最新進展在生成式 AI 和多視圖重建領域引入了快速生成 3D 內容的新方法。然而，要在機器人、設計、AR/VR 和游戲等下游應用中發揮作用，必須能夠以物理上合理的方式操作這些 3D 模型。
這給傳統的物理模擬算法帶來了重大挑戰，這些算法旨在處理良好條件的、手動整理的幾何圖形，例如tetrahedralized volumetric meshes。
為了向各種輸入幾何圖形開放物理模擬，NVIDIA Kaolin 庫最新版本集成了一項名為 Simplicits 的先進技術，這是一種統一的表示，不僅可以對雜亂的網格和點云進行模擬，還可以對學習的表示如 Gaussian Splats 和 NeRFs 進行模擬。
Kaolin Physics API 為 Simplicits 提供了兩個層次的抽象：面向物理專家的低級功能和面向生成式 AI 開發者的高級 API。
以下視頻演示了各種網格的彈性模擬。您只需幾行代碼，即可在 Jupyter Notebook 中設置和可視化交互式模擬，并通過與椅子模型實時交互來顯示。這使得新的交互式應用程序能夠快速原型設計，以處理來自 AI 研究的多種幾何表示形式。有關更多信息，請參閱 Kaolin 可視化器。
您還可以將 splat 片段傳遞到 Simplicits 中，以模擬捕獲的對象，如模擬蘋果的高斯 splat 所示。
該視頻還演示了使用 Simplicits 對骨骼和各向異性肌肉纖維進行簡單的體積運動進行肌肉模擬。Simplicits 可以處理骨骼和肌肉之間的材質異質性。有關更多信息，請參閱肌肉模擬教程。
總結
表征 agnostic 的物理模擬現已在NVIDIA Kaolin 庫提供。
與我們一起參加 SIGGRAPH 2024，詳細了解 Simplicits 和 Kaolin 庫中添加的新 3D 深度學習技術。
有關更多信息，請參閱以下資源：
在 NVIDIA Kaolin 論壇上提出問題并與 3D 深度學習社區進行互動。
